MiniMax Speech 2.6

Разверните MiniMax Speech 2.6 — TTS для голосового агента с ультранизкой задержкой — на GPU-серверах Clore.ai

Выпущено: 4 марта 2026 — MiniMax только что выпустила Speech 2.6 со сверхнизкой задержкой, улучшенной обработкой форматов и голосом, близким к человеческому, для сценариев голосовых агентов в реальном времени.

MiniMax Speech 2.6 — это современная модель преобразования текста в речь, предназначенная для приложений голосовых агентов в реальном времени. Она отличается сверхнизкой сквозной задержкой, улучшенной обработкой аудиоформатов (MP3, PCM, WAV, FLAC) и значительно более естественным голосом по сравнению со Speech 2.x. Лучше всего использовать через API, но можно интегрировать в самохостимые пайплайны через MiniMax API.

Ключевые особенности

Функция	Подробности
Задержка	Сверхнизкая (< 300 мс TTFB)
Качество голоса	Человекообразная, естественная просодия
Языки	20+ языков, включая английский, китайский, русский
Форматы вывода	MP3, PCM, WAV, FLAC
Сценарий использования	Голосовые агенты, TTS в реальном времени, потоковая передача
API	REST API, совместимый с OpenAI

Почему MiniMax Speech 2.6?

• Задержка менее 300 мс — подходит для агентов разговоров в реальном времени

• Поддержка потоковой передачи — аудиопоток по токенам для минимальной воспринимаемой задержки

• Клонирование голоса — клонирование по коротким аудиосэмплам

• Готово к продакшену — используется в собственных коммерческих голосовых продуктах MiniMax

---

Настройка: самохостимый API-прокси на Clore.ai

MiniMax Speech 2.6 сейчас работает через API. Вы можете запустить лёгкий прокси FastAPI на небольшом сервере Clore.ai (даже только на CPU), чтобы встроить его в свой пайплайн:

version: "3.8"
services:
  minimax-proxy:
    image: python:3.11-slim
    ports:
      - "8080:8080"
    environment:
      - MINIMAX_API_KEY=${MINIMAX_API_KEY}
      - MINIMAX_GROUP_ID=${MINIMAX_GROUP_ID}
    volumes:
      - ./app:/app
    command: >
      sh -c "pip install fastapi uvicorn httpx python-dotenv &&
             uvicorn app.main:app --host 0.0.0.0 --port 8080"

Минимальный прокси FastAPI (app/main.py)

import os, httpx
from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from pydantic import BaseModel

app = FastAPI()

MINIMAX_API_KEY = os.environ["MINIMAX_API_KEY"]
MINIMAX_GROUP_ID = os.environ["MINIMAX_GROUP_ID"]
BASE_URL = "https://api.minimax.io/v1"

class TTSRequest(BaseModel):
    text: str
    voice_id: str = "Calm_Woman"
    speed: float = 1.0
    output_format: str = "mp3"

@app.post("/tts")
async def text_to_speech(req: TTSRequest):
    """Прокси к MiniMax Speech 2.6"""
    async with httpx.AsyncClient(timeout=30) as client:
        response = await client.post(
            f"{BASE_URL}/t2a_v2?GroupId={MINIMAX_GROUP_ID}",
            headers={"Authorization": f"Bearer {MINIMAX_API_KEY}"},
            json={
                "model": "speech-02-hd",
                "text": req.text,
                "stream": False,
                "voice_setting": {
                    "voice_id": req.voice_id,
                    "speed": req.speed,
                    "vol": 1.0,
                    "pitch": 0
                },
                "audio_setting": {
                    "sample_rate": 32000,
                    "bitrate": 128000,
                    "format": req.output_format
                }
            }
        )
    data = response.json()
    audio_b64 = data["data"]["audio"]
    import base64
    audio_bytes = base64.b64decode(audio_b64)
    return StreamingResponse(
        iter([audio_bytes]),
        media_type=f"audio/{req.output_format}"
    )

@app.get("/health")
async def health():
    {"status": "ok", "model": "minimax-speech-2.6"}

Использование

# Проверка конечной точки TTS
curl -X POST http://localhost:8080/tts \
  -H "Content-Type: application/json" \\
  -d '{"text": "Hello! This is MiniMax Speech 2.6 running on Clore.", "voice_id": "Calm_Woman"}' \
  --output output.mp3

# Воспроизвести результат
ffplay output.mp3

---

Прямое использование API (сервер не нужен)

Если вам нужен TTS прямо в скриптах:

import requests, base64, os

API_KEY = os.environ["MINIMAX_API_KEY"]
GROUP_ID = os.environ["MINIMAX_GROUP_ID"]

def synthesize(text: str, voice_id: str = "Calm_Woman") -> bytes:
    resp = requests.post(
        f"https://api.minimax.io/v1/t2a_v2?GroupId={GROUP_ID}",
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={
            "model": "speech-02-hd",
            "text": text,
            "stream": False,
            "voice_setting": {"voice_id": voice_id, "speed": 1.0, "vol": 1.0, "pitch": 0},
            "audio_setting": {"sample_rate": 32000, "bitrate": 128000, "format": "mp3"}
        }
    )
    return base64.b64decode(resp.json()["data"]["audio"] )

audio = synthesize("Запуск AI-нагрузок на Clore.ai невероятно доступен.")
with open("output.mp3", "wb") as f:
    f.write(audio)

---

Доступные идентификаторы голоса

ID голоса	Персонаж	Лучше всего для
Calm_Woman	Спокойный женский голос	Ассистенты, озвучка
Energetic_Man	Энергичный мужской голос	Маркетинг, новости
Gentle_Man	Мягкий мужской голос	Аудиокниги, обучающие материалы
Cute_Girl	Молодой женский голос	Развлечения
Deep_Voice_Man	Низкий мужской голос	Документальные фильмы

---

Требования к GPU на Clore.ai

MiniMax Speech 2.6 — модель, работающая через API, поэтому для её использования GPU не нужен. Небольшого сервера Clore.ai только на CPU ($0.10–0.30/день) достаточно, чтобы запустить прокси. Для максимальной эффективности объединяйте его с другими GPU-задачами на том же сервере.

Тип сервера	Сценарий использования	Стоимость на Clore.ai
Только CPU (2 vCPU)	Прокси + API-шлюз	~$0.10–0.20/день
RTX 3060	Прокси + локальные GPU-задачи	$0.03–0.07/час
RTX 4090	Прокси + ресурсоёмкие GPU-задачи	$0.14–0.42/ч

---

Переадресация портов Clore.ai

Порт	Сервис
8080	TTS-прокси FastAPI

---

Альтернативы на Clore.ai

Если вам нужен полностью локальный TTS без вызовов API:

Модель	VRAM	Качество	Скорость	Руководство
Kokoro TTS	4 ГБ	⭐⭐⭐⭐	Быстро	Kokoro TTS
F5-TTS	8 ГБ	⭐⭐⭐⭐⭐	Средне	F5-TTS
Chatterbox	6 ГБ	⭐⭐⭐⭐	Быстро	Chatterbox
Qwen3-TTS	8 ГБ	⭐⭐⭐⭐⭐	Средне	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	Очень быстрый	Kani-TTS

---

Ссылки

• Документация MiniMax API: platform.minimax.io/docs

• Публикация в блоге о Speech 2.6: minimax.io/news/minimax-speech-26

• Маркетплейс Clore.ai: clore.ai/marketplace